Il s’agit d’une formation certifiante à trois niveaux (de 16 heure chacun, soit un total de 48h) qui a pour objectif d’acquérir les compétences nécessaires à la compréhension des méthodes d’analyses statistiques des données ainsi qu’à leur exécution par l’utilisation du langage R et leur interprétation.
Spécifiquement à l’issue de cette formation les apprenants seront capables de :
- Faire le choix de la ou des techniques statistiques appropriées selon la nature des données et l’objectif de l’étude
- Exécuter les analyses statistiques en utilisant le langage R, en développant leurs propres scripts ou en utilisant des scripts disponibles dans les ressources documentaires ou en ligne (Github, Scribbr, DataCamp..)
- Interpréter les résultats de manières correctes et
- Produire des rapports de synthèse d’un niveau professionnel

Niveau 1 :
Les principes de base en statistique :
Calcul des probabilités
Variables aléatoires et lois de distribution courantes (loi binomiale, loi Normale et lois dérivées)
Type de variables
Types d’études (observationnelle, interventionnelle)
Théorie de l’échantillonnage
Principe des plans d’expériences
Théorie de l’estimation et des tests
Concepts de puissance des tests et précision des estimations : applications pour le calcul de taille d’échantillon.

Les Essais Cliniques permettent le développement de médicament et de produits pharmaceutiques et sont une activité stratégique pour les laboratoires pharmaceutiques. L’Attaché(e) de Recherche Clinique (ARC) joue un rôle essentiel au sein de ces essais qui précèdent la mise sur le marché du médicament :
IL EST LE GARANT DE LA FIABILITE DES DONNEES RECUEILLIES EN SUPERVISANT LA REALISATION ET LE SUIVI DES ETUDES CLINIQUES.
L’ARC est le lien entre le laboratoire promoteur et les médecins investigateurs.

- 7 week-ends de formation en présentiel avec possibilité
- Double Certification Internationale reconnue
- Stage Optionnel

Il s’agit d’une formation certifiante à trois niveaux (de 16 heure chacun, soit un total de 48h) qui a pour objectif d’acquérir les compétences nécessaires à la compréhension des méthodes d’analyses statistiques des données ainsi qu’à leur exécution par l’utilisation du langage R et leur interprétation.
Spécifiquement à l’issue de cette formation les apprenants seront capables de :
- Faire le choix de la ou des techniques statistiques appropriées selon la nature des données et l’objectif de l’étude
- Exécuter les analyses statistiques en utilisant le langage R, en développant leurs propres scripts ou en utilisant des scripts disponibles dans les ressources documentaires ou en ligne (Github, Scribbr, DataCamp..)
- Interpréter les résultats de manières correctes et
- Produire des rapports de synthèse d’un niveau professionnel

Niveau 2 :
Les principes analyses statistiques multivariés et leurs domaines d’utilisation :
Les deux grandes familles de modélisation (statistique et algorithmique)
Concepts de classification supervisée et non-supervisée, la théorie du modèle linéaire et modèle linéaire généralisé (GLM)
L’ANOVA a plusieurs facteurs (croisés, hiérarchisés,..)
Validation et diagnostic des modèles
Sélection de modèles (méthodes progressives, LARS)
Calculs de performance d’un modèle de prédiction (sensibilité, spécificité, précision, AUC, MSE,..)
Théorie de l’Analyse en Composantes Principales (ACP)
L’Analyse Factorielles des Correspondances (AFC)
Classification hiérarchique (Clustering)
Classification K-means
L’analyse discriminante linéaire (ADL)

Les analyses statistiques multivariés avec le langage R
Exécution sous R des différentes analyses et interprétation des sorties : régression linéaire multiple
Régression logistique
Anova a plusieurs facteurs
Régression pas à pas
ACP, AFC, Clustering, K-means, ADL

Le Visiteur Médical ou Pharmaceutique est un professionnel qui représente une entreprise pharmaceutique, une société de dispositifs médicaux ou de produits de santé auprès des professionnels de santé tels que les médecins, les pharmaciens. Leur rôle principal est de fournir des informations de qualité sur le médicament et en assure sa promotion et son bon usage auprès des différents acteurs de santé. Son action s’inscrit dans le cadre des objectifs de l’entreprise, objectifs à la fois d’amélioration de la prise en charge des patients, et économiques.

- Formation en présentiel sur 3 week-ends
- Workshops
- Certification de Formation : Examen écrit et oral à valider
- Stage Optionnel

Niveau 3 :
Les méthodes avancées d’apprentissage de modèles de classification (Machine Learning) : Bases théoriques, exécution avec le langage R & interprétation
Les modèles de régression pénalisées (Ridge, LASSO, ElasticNet)
La régression PLS
Les arbres de décisions (CART : Classification and Regression Trees)
Les techniques d’agrégation de modèles (Bagging, Boosting)
Évaluation de la qualité de prédiction des modèles par validation croisée
Les forêts aléatoires (RF : Random Forest)
Le classifieur Bayésien Naïf (NB : Naive Bayesian)
La méthode KNN (k Nearest Neighbors)
Les machines à vecteurs de support (SVM : Support Vector Machines)
les réseaux de Neurones (NN : Neural Networks)

AORTIC strives to transform cancer control in Africa through collaboration in education, research & delivery of equitable and timely interventions to minimise the impact of cancer.